森林火灾是一种全球性的灾害现象,各地每年都会有一定数量的森林火灾发生,这些火灾往往规模较大,有时还会形成特大型火灾,控制起来非常困难。火灾不仅会破坏生态系统,还会释放含碳气体形成大面积环境污染,更有可能对人类生命财产造成威胁,每年许多国家在森林火灾管理和扑救上都会投入大量精力。利用计算机仿真模拟技术进行林火预测是提前掌握火灾变化,做好危机防范的重要手段。但森林火灾燃烧机理复杂,其发生发展没有明显规律性,无法进行精确建模。火灾行为受可燃物、地形、气象等多种环境参数的影响,参数的准确获取存在困难,这些都会对预报可信度产生很大影响。本文在给定的火灾案例下,选择FARSITE模拟器作为林火蔓延的仿真工具,以集合卡曼滤波算法作为数据同化方法,开展了动态数据驱动的林火蔓延预测研究,为森林火灾的精准预报提供了新的思路,并主要做了以下两个方面的研究工作:林火蔓延的主要气象因子“风”对集合卡曼滤波算法修正效果的影响研究。本文将火线位置作为待修正参量,针对初始火源位置输入偏差导致的FARSITE火线预测不准确的问题,利用集合卡曼滤波算法同化真实火线观测数据进行动态修正。并在这一过程中加入“风”这一动态数据,研究“风”对算法的修正效果的影响。结果表明:风的存在会加剧预测火线拓扑结构的复杂性,但无论是在无风和还是有风情况下,算法都能降低预测偏差,对火线位置和形态进行有效修正;当输入误差由火源位置这一个变为火源位置和风两个参数都存在误差时,算法修正能力下降,状态变量的均方根误差值曲线由持续下降变为波动状态,后者的火线修正结果不能很好反映系统的真实状态。集合卡曼滤波算法参数对修正效果的影响研究。通过控制变量法分别研究了算法中的几个关键参数:集合元素个数,观测数据标准差及同化频率对FARSITE预测偏差的修正效果的影响。改变参数取值,从火线输出图,火线位置状态变量的均方根误差值、距离指标这几个方面比较同化前后结果的差异。结合多个维度的分析结果进行相关性讨论,总结出算法参数在同化过程中的作用机制,得到参数取值对修正效果的影响规律。研究可为集合同化的参数分析和同化方案的设计提供借鉴。